dify 1.13.0——Human-in-the-Loop与工作流执行架构全面升级，释放AI与人的协作潜力|redis|workflow|客户端节点|工作流|执行架构

在智能应用开发平台 Dify 的 1.13.0 版本中，迎来了里程碑式的更新。本次版本不仅在工作流执行层面进行了系统性重构，更推出了令人瞩目的“Human-in-the-Loop（HITL）人机协作节点”，让人类智能与人工智能的融合进入新阶段。本文将为你详细解析 Dify 1.13.0 的所有更新点、架构变化、配置注意事项和升级指南，让你全面掌握这一版本的全部技术亮点。

一、核心特性：Human-in-the-Loop (HITL)

Dify 1.13.0 最大的创新在于引入了Human Input 节点，这是一个革命性更新，让人类输入成为工作流原生组成部分。此前的工作流往往只能在“自动化”或“手动执行”两种模式之间切换，对于需要人工判断的高风险场景，这种二元结构显得捉襟见肘。而 HITL 的引入，弥合了这种“信任鸿沟”，让自动化流程具备人工纠偏能力。

1. 背景说明

以往工作流要么完全由 AI 自动执行，要么依赖人工操作，这导致在涉及关键业务判断的场景中，难以平衡 AI 的效率与人工的可靠性。现在，Dify 支持将人工审核步骤直接嵌入工作流执行图中，实现真正的智能协作。

2. 核心功能

（1）原生工作流暂停机制

在流程关键节点插入“Human Input”节点，工作流即会暂停，等待人工输入。这对于涉及敏感决策或需人工校验的数据场景尤为必要。

（2）人工审核与编辑

暂停后系统会生成可视化界面，人工可审阅 AI 输出内容，修改关键变量（如草稿、数据结果等），再继续执行流程，从而保证精准度。

（3）操作路由控制

可配置自定义按钮，如“批准”、“拒绝”、“升级处理”等，用于决定后续工作流路径。不同操作对应不同的逻辑分支，实现高度灵活的决策流。

（4）多渠道输入方式

人工输入表单可通过 Web 应用或邮件推送形式完成。在云环境下，邮件方式可能受订阅计划或功能设置影响。

二、架构更新：支持暂停和恢复的工作流机制

为支持 HITL 所需的状态化暂停与恢复机制，Dify 对执行引擎进行了全面重构。

1. 执行架构变化

•Workflow-Based Streaming Executions和Advanced Chat Executions现均由Celery workers执行。
• 非流式的工作流运行仍在 API 进程中处理。
• 所有暂停／恢复路径（包括 HITL）均通过 Celery 恢复执行，事件流式返回经由 Redis Pub/Sub 实现。

2. 大规模部署及自托管建议

Dify 引入了新的Celery 队列：workflow_based_app_execution。标准部署模式可直接使用，但对于高并发、高吞吐环境，官方建议进行如下优化：

•Scale Workers（扩展 Worker 数量）：根据工作负载增加对该队列的 Worker。
•Dedicated Redis（专用 Redis 实例）：大规模部署推荐配置PUBSUB_REDIS_URL指向专用 Redis；使用 Redis Cluster 模式结合分片 PubSub，可实现水平扩展与稳定高性能。

三、重要升级提示 1. 新增 Celery 队列要求

必须确保部署配置（Docker Compose、Helm Chart 等）包含监听workflow_based_app_execution队列的 Worker。否则，流式执行和恢复任务（包括 HITL）将无法处理。

2. 额外 Celery 队列

新增api_token队列。当ENABLE_API_TOKEN_LAST_USED_UPDATE_TASK=true时，需要部署 Worker 监听该队列，用于定期批量更新 API Token 的last_used_at时间戳。

四、配置环境变量更新

为了支持新的架构设计，Dify 1.13.0 增加了多项环境变量，尤其在大型部署场景下需要重点关注 Redis PubSub 相关配置。

★ 关键配置变量

•PUBSUB_REDIS_URL：指定用于 API 与 Celery 之间 PubSub 通信的 Redis URL。未设置时默认使用标准REDIS_*配置。
•PUBSUB_REDIS_CHANNEL_TYPE：设置事件流通道类型。可选项：pubsub（默认）或sharded。高并发环境强烈推荐使用sharded。
•PUBSUB_REDIS_USE_CLUSTERS：设置为true以启用 Redis 集群模式，与分片通道结合时实现水平扩展。

★ 其他新增配置项

•WEB_FORM_SUBMIT_RATE_LIMIT_MAX_ATTEMPTS：限制每个 IP 的网页表单提交次数（默认 30 次）。
•WEB_FORM_SUBMIT_RATE_LIMIT_WINDOW_SECONDS：提交限流时间窗口（默认 60 秒）。
•HUMAN_INPUT_GLOBAL_TIMEOUT_SECONDS：工作流暂停等待人工输入的最长时间（默认 604800 秒，即 7 天）。
•ENABLE_HUMAN_INPUT_TIMEOUT_TASK：启用人工输入超时检查后台任务（默认 true）。
•HUMAN_INPUT_TIMEOUT_TASK_INTERVAL：设置超时检查任务的执行间隔（默认 1 分钟）。
•ENABLE_API_TOKEN_LAST_USED_UPDATE_TASK：启用周期性批量更新 API Token 使用时间任务（默认 true）。
•API_TOKEN_LAST_USED_UPDATE_INTERVAL：批量更新任务的执行间隔（默认 30 分钟）。
•SANDBOX_EXPIRED_RECORDS_CLEAN_BATCH_MAX_INTERVAL：设置清理保留数据任务的随机延迟间隔（默认 200 毫秒），用于降低数据库压力峰值。

五、其他重要更新亮点（1）可靠性与正确性提升

• 增加迁移时的去重检测与租户默认模型的唯一约束，防止重复数据。
• 修复了工具删除过程中的类型不匹配问题。
• 修复 FastOpenAPI 集成导致的身份解析错误问题。
• 修复文件类响应消息类型识别错误。
• 优化工作区权限行为，非管理员用户不再显示邀请操作。

（2）性能与可扩展性优化

• 利用插件清单预缓存及 AppListApi 查询优化降低后端负载与控制台延迟。
• 提高大数据任务的稳定性：分割数据库会话、批量清理执行、索引优化与节流机制显著减少系统波动。

（3）API 与平台增强

• 新增终端用户查找服务接口，支持租户和应用范围内的访问控制。
• 提升工作流运行历史在状态切换时的刷新逻辑体验。
• 优化 MCP 工具集成，可提取与上报使用元数据（包括 Token 与成本统计字段）。

（4）安全性增强

• 移除 ECharts 中的动态new Function解析机制，对不支持的代码返回显式错误，零注入风险。

（5）国际化支持

• 新增荷兰语（nl-NL）本地化支持，进一步完善国际化覆盖。

六、升级指南 1. 注意事项

如果你使用自定义的CELERY_QUEUES，务必确保其中包含：

•workflow_based_app_execution
• 当启用 API Token 更新任务时，还需包含api_token

2. Docker Compose 部署步骤

1.备份自定义 Compose 文件

cd docker
cp docker-compose.yaml docker-compose.yaml.$(date +%s).bak

2.获取最新代码

git checkout main
git pull origin main

3.停止服务

docker compose down

4.备份数据

tar -cvf volumes-$(date +%s).tgz volumes

5.升级服务

docker compose up -d

如遇数据库连接错误，例如：

failed to connect to `host=db_postgres user=postgres database=dify_plugin`: hostname resolving error

请改用以下命令启动：

docker compose --profile postgresql up -d

3. 源码部署步骤

1.停止运行中的 API、Worker 与 Web 前端服务。
2.切换至指定版本分支：

git checkout 1.13.0

3.更新 Python 依赖：

cd api
uv sync

4.执行数据库迁移：

uv run flask db upgrade

5.重新启动全部服务。

七、其他修复与优化摘要

Dify 1.13.0 中完成了大量代码重构与性能调优，涵盖前后端、测试体系与任务消费机制。主要变化包括：

• 工作流执行队列新增支持workflow_based_app_execution，确保所有流式任务与暂停恢复逻辑可被正确消费。
• 修复 Redis 客户端导致的高 CPU 使用问题，系统稳定性提升显著。
• 批量删除与数据库会话优化减少资源阻塞。
• 优化工作流节点输出描述与状态图标展示，提高可视化一致性。
• 新增综合测试用例覆盖 Human Input 节点功能，确保 HITL 模块稳定。
• 增强工作流运行历史管理与 UI 更新体验。
• 加强 API Token 队列处理逻辑与 Redis 通信稳定性。
• 重构核心数据库任务，使知识检索节点与数据库操作彻底解耦。
• 引入类型安全环境变量与升级到 zod v4，增强配置可靠性。
• 优化网页主题视觉与暗亮模式变量。
• 修复多语言、组件样式、数据索引、权限逻辑等细节问题。

八、总结与展望

代码地址：github.com/langgenius/dify

Dify 1.13.0 是一次从架构到底层执行机制的重大演进。

这一版本的Human-in-the-Loop (HITL)功能，让工作流不再是纯粹的自动化流水线，而成为人工智能与人类智慧协同的闭环系统。AI 的高效与人类的决策能力得以融合，真正实现信任与效率的平衡。与此同时，架构层面的重新设计、Redis Pub/Sub 与 Celery 队列优化，让 Dify 能够从单机轻量级部署平滑过渡到企业级高并发场景。

性能更高、架构更稳、协作更强、国际化更完备——Dify 1.13.0 已成为 AI 工作流平台发展的又一重要里程碑。

结语：
Dify 1.13.0 的发布，标志着智能应用从“机器自动化”迈入“人机协同”的新阶段。这不仅是技术上的跃升，更是智能生产力工具进化的方向。随着 HITL 节点的成熟和架构扩展机制的完善，未来的 Dify 将更好地连接人类思维与 AI 智能，让每一条工作流都具备学习、判断与自适应能力。